一种基于深度学习的轴承剩余寿命预测方法及系统

摘要

本发明涉及一种基于深度学习的轴承剩余寿命预测方法及系统，预测方法包括以下步骤：获取轴承的原始数据，得到训练集；构建CNN网络，使用CNN网络对原始数据进行特征提取，得到第一特征序列；使用tsfresh特征提取工具对第一特征序列进行特征提取，得到第二特征序列；构建Bi‑LSTM网络，在Bi‑LSTM网络中加入注意力机制得到ABi‑LSTM网络，使用第二特征序列对ABi‑LSTM网络进行训练；获取待预测的轴承的运行数据，使用完成训练的ABi‑LSTM网络模型得到轴承的剩余寿命预测值。与现有技术相比，本发明通过CNN网络和tsfresh进行特征提取，得到的特征可靠性更高，剔除了噪声信号等杂质信号，准确的提取与轴承寿命有关的特征，以便为后续训练Bi‑LSTM网络计算RUL得出更准确的结果。